6月11日，在小鵬G7上市發(fā)布會的同一天，小鵬汽車世界基座模型負責人劉先明博士在美國參加了AI頂會——CVPR 2025，并于CVPR WAD（Workshop on Autonomous Driving）上發(fā)表了演講。

他圍繞小鵬布局在云端的自動駕駛基座模型，披露了其團隊在模型預(yù)訓練、強化學習、模型車端部署、AI和數(shù)據(jù)基礎(chǔ)設(shè)施搭建等方面的前沿探索和實踐經(jīng)驗。

此時，距離來自中國的「端到端自動駕駛」相關(guān)論文獲得CVPR Best paper已有兩年，智駕技術(shù)框架已從Rule-based全面進化至Data-based，而后又發(fā)展出VLM、VLA、強化學習、，以及針對基礎(chǔ)模型的多種算法。

相比于2023年獲得殊榮的《以路徑規(guī)劃為導向的自動駕駛》，再看小鵬的演講標題《通過大規(guī)模基礎(chǔ)模型實現(xiàn)自動駕駛的規(guī)模化》，足以體現(xiàn)出自動駕駛的發(fā)展之快，以及小鵬將前沿技術(shù)量產(chǎn)落地的執(zhí)行力。

盡管在大洋彼岸的小鵬G7發(fā)布會上，信息已經(jīng)非常豐富，但只有通過此次演講的內(nèi)容，才會意識到G7不只是何小鵬所說的「L3級算力的AI汽車」這么簡單。

Scaling Law在VLA上持續(xù)生效

在G7的發(fā)布會上，何小鵬指出了「L3級算力平臺」的兩大標準：1、有效算力大于2000TOPS；2、搭載本地部署的「VLA+VLM模型」。

這兩大標準，相當于走向高階智駕的一種硬性門檻，也意味著一輛車能擁有更高的能力上限。

但是，在這樣的車端門檻背后，也需要不停探索上限的云端推手。小鵬的關(guān)鍵「推手」之一，就是劉先明團隊研發(fā)的自動駕駛基座模型——「物理世界大模型」。

據(jù)劉先明介紹，小鵬的下一代基座模型是以大語言模型為骨干網(wǎng)絡(luò)，并使用海量優(yōu)質(zhì)駕駛數(shù)據(jù)訓練的VLA大模型。

除了具備視覺理解能力、鏈式思考能力（CoT）和動作生成能力，它還具備后訓練階段的強化學習。

其中，CoT邏輯推理高度類人——先看清道路交通環(huán)境，關(guān)注到對自車行為有影響的關(guān)鍵目標物，隨后分析交通信號燈的指示，并作出推理，生成下一步的軌跡。

為了達到理想的推理效果，小鵬自動駕駛基座模型的訓練數(shù)據(jù)包括了攝像頭信息、導航信息等關(guān)于物理世界的多模態(tài)數(shù)據(jù)。

“小鵬在云上訓練了10億、30億、70億、720億等多個參數(shù)的模型，并持續(xù)向模型投喂更大規(guī)模的訓練數(shù)據(jù)，目前基座模型累計吃下了2000多萬條視頻片段（每條時長30秒）。”

劉先明表示，在此過程中，研發(fā)團隊明確驗證了Scaling Law在自動駕駛VLA模型上持續(xù)生效。

值得注意的是，小鵬G7首發(fā)的VLA-OL模型，正式通過蒸餾技術(shù)，將云端基模的能力部署到車端，同時還實現(xiàn)了全本地端運行，無需依賴網(wǎng)絡(luò)連接，從而擺脫了網(wǎng)絡(luò)和地域限制，確保了無延遲的復雜判斷執(zhí)行。

RL：讓基模持續(xù)突破的神器

大家能留意到了，小鵬G7搭載的VLA多了個后綴——OL（Online Reinforcement Learning）。這也就意味著，自G7開始，小鵬的「持續(xù)強化學習」道路正式鋪開。而且何小鵬表示，這項能力在下一代會逐步進化為自主強化學習。

“云端基座模型好比一個人天生的智商，強化學習則好比能力激化器。”劉先明表示，云端基座模型+強化學習的組合，是讓模型性能突破天際的最好方法。

這里還必須要提及如今業(yè)界最熱門的一種「評分方法」——強化學習獎勵模型（Reward Model）。

據(jù)劉先明介紹，小鵬的基座模型在完成預(yù)訓練、監(jiān)督精調(diào)（SFT）之后，就會進入強化訓練階段。而強化學習的獎勵模型主要從三個方面激發(fā)基模潛能：安全、效率、合規(guī)，這也是人類駕駛行為中的幾個核心原則。

據(jù)劉先明介紹，目前，小鵬就已經(jīng)在后裝算力的車端上用小尺寸的基模實現(xiàn)了控車，在沒有任何規(guī)則代碼托底的情況下，新的「AI大腦」展現(xiàn)出令人驚喜的基礎(chǔ)駕車技能，能夠絲滑地加減速、變道繞行、轉(zhuǎn)彎掉頭、等待紅綠燈等等。

（提前變道，避讓施工區(qū)；繼續(xù)通行，遇到從小路匯入主路的大貨車，減速應(yīng)對。）

“我們的基座模型不是靜態(tài)的，它在持續(xù)學習、循環(huán)進化（Continued Online Learning）。”

模型的迭代過程分成內(nèi)、外兩個循環(huán)：內(nèi)循環(huán)是指包含預(yù)訓練、后訓練（包括監(jiān)督精調(diào)SFT和強化學習RL）和蒸餾部署的模型訓練過程；外循環(huán)，是指模型在車端部署之后，持續(xù)獲取新的駕駛數(shù)據(jù)和用戶反饋，數(shù)據(jù)回流云端，繼續(xù)用于云端基模的訓練。”

將這樣已經(jīng)形成訓練閉環(huán)、并且能持續(xù)強化學習的云端基模「賦能」到車端，再加上高達2200 TOPS的天花板級算力，這意味著G7的車端智能輔助駕駛能力，將實現(xiàn)根本性的進階——據(jù)官方介紹，G7的智駕輔助能力相比行業(yè)主流水平提高了10至100倍。

或許，也這可以解釋為何G7還是毅然選擇了純視覺路線，因為這在某些程度上，足以證明一款A(yù)I汽車對于其軟硬件能力的自信。

不過，這一切還只是剛剛開始。小鵬汽車自動駕駛團隊還在開發(fā)世界模型，未來會將其用作一種實時建模和反饋系統(tǒng)，基于動作信號模擬出真實環(huán)境狀態(tài)，渲染場景，并生成場景內(nèi)其他智能體和交通參與者的響應(yīng)，從而構(gòu)建一個閉環(huán)的反饋網(wǎng)絡(luò)，幫助基座模型進行強化學習等訓練。

CoT的底氣：數(shù)據(jù)資本

“強化學習非常講究數(shù)據(jù)采樣，也非常依賴來自真實世界的數(shù)據(jù)。”

盡管目前整個具身智能行業(yè)都在強調(diào)數(shù)據(jù)的來之不易，以及仿真/合成數(shù)據(jù)的關(guān)鍵作用。但真值數(shù)據(jù)的意義顯然不容忽視，高效的世界模型+真實數(shù)據(jù)，就像是「如虎添翼」。

劉先明表示，小鵬現(xiàn)有幾十萬輛輔助駕駛車輛跑在全國各地，包括也將規(guī)模化上路的G7，都會源源不斷地創(chuàng)造著新的訓練數(shù)據(jù)，包括大量的長尾場景數(shù)據(jù)。

“比如說，不久前我們收到福州的一位用戶發(fā)來的視頻：他開車來到一個紅綠燈路口，發(fā)現(xiàn)馬路對面的主干道上有兩棵大樹，一時看不明白車道在哪，仔細觀察才知道需要從兩棵樹之間的縫隙穿越而過。”

劉先明稱，這就屬于典型的CoT場景，需要模型做個實時推理：“我在哪？發(fā)生了什么？我要怎么走？第一原則是安全，也就是判斷車道線寬度，隨即待綠燈亮了之后，緩行通過。

硬核基建：云端模型工廠

為了研發(fā)下一代基模，小鵬的AI基礎(chǔ)設(shè)施堪稱「豪橫」——它建成了國內(nèi)汽車行業(yè)首個萬卡智算集群，用以支持基座模型的預(yù)訓練、后訓練、模型蒸餾、車端模型訓練等任務(wù)，小鵬將這套從云到端的生產(chǎn)流程稱為「云端模型工廠」。

目前，該「工廠」擁有10 EFLOPS的算力，集群運行效率常年保持在90%以上，全鏈路迭代周期可達平均5天一次。

CVPR大會現(xiàn)場，劉先明首次展示了兩個核心數(shù)據(jù)：

1.小鵬云上基模訓練過程中，處理了超過40萬小時的視頻數(shù)據(jù)；

2、流式多處理器的利用率（streaming multiprocessor utilization）達到85%。

前者代表數(shù)據(jù)處理能力，后者所說的流式多處理器是GPU的核心計算單元，其高并行計算能力對提升系統(tǒng)性能至關(guān)重要，也會對延時率產(chǎn)生直接影響。而85%的利用率堪稱行業(yè)天花板。

另外，他從云端模型訓練和車端模型部署兩個層面，拆解了小鵬自動駕駛團隊提升模型訓練效率的方法：

在模型訓練層面，研發(fā)團隊在CPU、GPU、容錯性方面做了聯(lián)合優(yōu)化：“VLM、VLA等多模態(tài)模型不同于LLM，訓練過程不只受限于計算瓶頸，還受到數(shù)據(jù)加載瓶頸、通信瓶頸的限制，大規(guī)模并行訓練首先要解決這些問題。”

針對數(shù)據(jù)加載問題，研發(fā)團隊對CPU的利用作了如下優(yōu)化：

• 1.啟用額外的CPU節(jié)點：分擔數(shù)據(jù)加載任務(wù)，緩解GPU節(jié)點數(shù)據(jù)加載壓力，保障GPU計算資源能更專注于核心計算任務(wù)；
• 2.對PyTorch進行定制化改造：減少框架內(nèi)部進程間通信的冗余環(huán)節(jié)，降低通信開銷，使數(shù)據(jù)傳輸更高效，減少性能損耗；
• 3.激進的數(shù)據(jù)物化策略：更徹底地預(yù)處理數(shù)據(jù)，減少CPU在數(shù)據(jù)加載階段的實時處理負擔，提升數(shù)據(jù)加載速度；
• 4、優(yōu)化打亂（shuffling）模式：可增加模型訓練的隨機性，防止過擬合，在速度與隨機性之間取得平衡。

另外，針對GPU計算資源的利用，研發(fā)團隊首先通過FSDP 2實現(xiàn)模型分片使用FP8混合精度訓練，并利用Flash Attention 3加快計算速度；同時也基于自定義Triton內(nèi)核，充分發(fā)揮GPU性能，提高計算效率。

模型的車端部署層面，自研圖靈芯片成為了小鵬「贏在起跑線」的優(yōu)勢：它專為大模型定制，模型、編譯器、芯片團隊針對下一代模型開展了充分的聯(lián)合研發(fā)工作，「榨干」車端算力。

正如何小鵬所說的，自研圖靈芯片的核心不是為了降本，而是要解決通用芯片不難以發(fā)揮100%算力的短板。而圖靈芯片從一開始就是為AI大模型所定制的，因此能做到「一顆頂主流的三顆芯片」。

而搭載了3顆圖靈芯片的G7，比目前行業(yè)80-700TOPS的主流算力區(qū)間高出數(shù)倍，而且還是專門為AI大模型而生的原生芯片。所以，「算力充足」只是它的基礎(chǔ)部分，它的性能、先進架構(gòu)設(shè)計，以及走向高階自動駕駛的「野心」，即將透過G7逐步展現(xiàn)出來。

除此之外，劉先明還介紹稱，小鵬還創(chuàng)新設(shè)計了針對車端VLA模型的token壓縮方法，可在不影響上下文長度的情況下，將token處理量壓縮70%（從5000壓縮至1500），降低計算延時。

綜合來看，在如此豐富、高效的云端基座大模型的加持下，其落地到終端的能力絕對值得行業(yè)關(guān)注。在此背景下誕生的小鵬G7，不僅算力爆表，還堪稱搭載前沿AI技術(shù)的「集大成者」——端側(cè)大腦的自我思考能力、持續(xù)強化學習的能力，以及定制AI芯片的高效發(fā)揮，注定G7可以實現(xiàn)高度類人的駕駛思維，以及極低延時的復雜判斷執(zhí)行。

如此看了，G7配得上Ultra的名字，它不僅代表了質(zhì)的飛躍，更預(yù)示著未來的迭代。